بهینه سازی هوشمند میدان کوه موند با ترکیب الگوریتم ژنتیک و شبکه عصبی مصنوعی

سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 793

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RLSCONF01_091

تاریخ نمایه سازی: 25 تیر 1399

چکیده مقاله:

ازدیاد برداشت مخازن نفت سنگین ازدیرباز دارای اهمیت خاصی ربوده است. حجم عظیمی از نفت موجود در میادین نفتی نفت سنگین است. روش های حرارتی متداول ترین راه برای ازدیاد برداشت از مخازن نفت سنگین اند، روش Fast-SAGD یک روش جدید ازدیاد برداشت حرارتی است که از چاه های منفرد در کنار زوج چاه SAGD استفاده می شود و در چاه های منفرد عملیات تزریق دوره ای بخار صورت می گیرد. در مطالعه حاضر از ترکیب شبکه عصبی مصنوعی و الگوریتم ژنتیک برای بهینه سازی مخزن نفت سنگین کوه موند واقع در جنوب ایران استفاده شده است. در کنار استفاده همزمان از شبکه عصبی و الگوریتم ژنتیک جهت شبیه سازی مدل مخزن کوه مند شبیه ساز STARS بکار گرفته شد. برای حذف داده تکراری حاصل شده از الگوریتم ژنتیک از الگوریتم بازدارنده از تکرار استفاده شد. نتایج حاصل شده از این مطالعه کاهش 37 درصد در زمان اجرای فرایند بهینه سازی را نشان داد، از طرف دیگر دقت نتایج در روش ترکیبی جدید در سطح بسیار بالایی قرار دارد به طوریکه اختلاف نتایج حاصل شده از شبکه عصبی مصنوعی و شبیه ساز STARS کمتر از 0.01 درصد گزارش شد.

نویسندگان

کاوه محمدی

کارشناسی ارشد مهندسی نفت ایران، تهران، دانشگاه علم و صنعت ایران، دانشکده مهندسی شیمی، نفت و گاز

فروغ عاملی

استادیار دانشکده مهندسی شیمی، نفت و گاز ایران، تهران، دانشگاه علم و صنعت ایران، دانشکده مهندسی شیمی، نفت و گاز، گروه مهندسی مخازن هیدروکربوری